This study investigates the feasibility of acoustic signal analysis for the assessment of weld bead quality in the shielded metal arc welding (SMAW) process. The work focuses on comparing time-domain acoustic signals and time–frequency spectrogram representations for the classification of welds as accepted or rejected according to standard welding inspection criteria. Two key acoustic descriptors, the fundamental frequency (F₀) and the harmonics-to-noise ratio (HNR), were extracted and analyzed to evaluate statistical differences between the two weld quality classes. Statistical tests, including Anderson–Darling, Levene, ANOVA, and Kruskal–Wallis (α = 0.05), revealed significant differences between accepted and rejected welds. Accepted welds exhibited a bimodal HNR distribution associated with transient arc instability at the beginning and end of the bead, whereas rejected welds showed more uniform acoustic behavior throughout the process. Subsequently, the acoustic data were represented using both audio signals and spectrograms and used as inputs for ten supervised machine learning models, including Support Vector Classifier (SVC), Logistic Regression (LR), k-Nearest Neighbors (KNN), Decision Tree (DT), Random Forest (RF), Extra Trees (ET), Gradient Boosting (GB), and Naïve Bayes (NB). The results demonstrate that spectrogram-based representations significantly outperform time-domain signals, achieving accuracies of 0.95–0.96, ROC-AUC values above 0.95, and false positive and false negative rates below 6%. These findings indicate that, while scalar acoustic descriptors provide statistically significant insight into weld quality, time–frequency representations combined with machine learning enable a more robust and reliable framework for automated non-destructive evaluation, particularly in manual SMAW processes under realistic operating conditions.

This article presents the assignment of a plan for the sales account managers for an Asian technology company, which has multiple profiles of customers and advisors, in such a way that demand is satisfied with the most appropriated profiles, and a plan is established for hiring new consultants. This was achieved thanks to a mixed whole programming model, which allows to model with the characteristics and restrictions established for commercial advisors and clients an optimal plan of account assignment. With this it was possible to assign the sales account who are currently hired and the contracting plan necessary to cover the totality of the demand that the organization owns is established.

La biotecnología se presenta en la actualidad como una herramienta que aporta a los retos que se generan en diferentes ámbitos como el sector salud. El cual reporta un aumento de las enfermedades crónicas no transmisibles, y se hace un llamado urgente a estrategias que mitigan su aparición como lo es la detección precoz de la enfermedad en este caso su predecesor que es la presión arterial alta con el uso de nuevas tecnologías como lo es la dermatoglifia dactilar. Es por este motivo, que esté documento contiene los resultados de investigación para la predicción de la presión arterial a través del reconocimiento de características presentes en las huellas dactilares de una muestra de participantes en un estudio de dermatoglifia dactilar a través del establecimiento de un modelo matemático. Este estudio, fue realizado en una secuencia de tres actividades, las que incluyeron en primera instancia la recolección y análisis de todas las huellas digitales de miembros superiores de cada participante del estudio con un dispositivo de reconocimiento de imágenes, para posterior a ello realizar una caracterización en términos de número y tipo de huella en cada uno de los dedos de los participantes. Posteriormente, se realizó un modelo de regresión lineal múltiple el cual incluye información del tipo de huella, número de características relevantes y otras características físicas de cada individuo con las cuales sea posible determinar un valor esperado de la presion arterial diastolica y sistolica, modelo que fue validado a través de la estimación de diferentes tipos de error, el coeficiente de correlación y la señal de rastreo, en un contraste entre la presión arterial pronosticada y la observada en una segunda muestra de control con participantes diferentes a los utilizados en la formulación del modelo matemático. Finalmente, el modelo propuesto permite establecer una relación de similitud y explicación de los valores de la presión arterial, a partir de la cuantificación de las características de las huellas digitales de miembros superiores con un nivel de significancia del 95%, aspecto relevante en el avance de predicciones de enfermedades crónicas no transmisibles a través de métodos no invasivos o de carácter clínico. Este tipo de investigación permite avanzar en el establecimiento de relaciones entre condiciones genéticas del sujeto y el riesgo potencial para el desarrollo de esta enfermedad, lo cual permitirá de manera temprana detectar este tipo de patología e iniciar acciones en el marco de la detección temprana de la predisposición a enfermedades crónicas no transmisibles.